نویز تصویر دوربین دیجیتال چیست؟

نویز تصویر دوربین دیجیتال چیست؟

بخش اول: همه چیز درباره نویز تصویر

در این مقاله به شما می‌آموزیم که مفهوم نویز تصویر چیست و انواع آن کدامند و با ارائه مثال‌هایی شما را با این مبحث آشنا می‌سازیم.

نویر تصویر “Image noise” معادل دیجیتال گرینِ فیلم “film grain” برای دوربین های آنالوگ است. متناوباً، می‌توان آن را به عنوان صدای خش خش ظریفی که ممکن است شما در پس‌زمینه‌ی یک سیستم صوتی که در نهایت صدای آن می‌شنوید، تشبیه کرد. برای تصاویر دیجیتال، این نویز به صورت لکه‌های اتفاقی بر روی یک سطح صاف ظاهر می‌شود که می‌تواند به طور قابل توجهی کیفیت تصویر را کاهش دهد. اگرچه معمولا نویز از یک تصویر کاسته می‌شود، اما در بعضی مواقع مطلوب است، چرا که می‌تواند به تصویر یک حالت قدیمی که یادآور فیلم‌های اولیه است اضافه کند. همچنین بعضی از انواع نویز می‌تواند وضوح ” Sharpness” ظاهری یک تصویر را افزایش دهد. نویز می‌تواند با تنظیمات حساسیت در دوربین، مدت زمان نوردهی ، درجه حرارت رنگ تصویر و حتی در میان مدل های مختلف دوربین ( در یک تنظیم نور دهی ثابت ) افزایش یابد.

مفهوم: نسبت سیگنال به نویز

همیشه مقداری از نویز در سیستم‌هایی که سیگنالی را دریافت یا ارسال می‎کنند وجود دارد، برای تلویزیون این سیگنال اطلاعات پخشی “broadcast data ” انتقال یافته از طریق کابل یا آنتن و برای دوربین دیجیتال ، نوری که به حسگر حساس به نور دوربین ” CCD ” برخورد میکند؛ است. اگرچه وجود نویز در این نسبت اجتناب ناپذیر است، نویز می‌تواند آنقدر در مقابل سیگنال اصلی کوچک باشد که به نظر وجود نداشته باشد. نسبت سیگنال به نویز ” The signal to noise ratio/SNR ” یک راه مفید و جهانیِ مقایسه نسبت میزان سیگنال و نویز برای هر سیستم الکتریکی‌ای است، نسبت‌های بالا دارای نویز قابل مشاهده‌ی بسیار کم است، در حالیکه برعکس آن برای نسبت‌های پایین صدق می‌کند. توالی تصاویر زیر نشانه می‌دهد چگونه یک دوربین، تصویری با نویز زیاد را از کلمه‌ی سیگنال در مقابل یک پس زمینه ی صاف تهیه می‌کند. تصویر نتیجه‌ی این فرآیند که به صورت سه بعدی بزرگ شده است، کلمه ی سیگنال را در مقابل پس زمینه‌ای از نویز نشان می‌دهد.

نویز تصویر
نویز تصویر

تصویر بالا دارای نسبت بالای کافی سیگنال به نویز است تا به صورت مشخص اطلاعات تصویر را از نویز پس زمینه جدا کند. یک نسبت پایین، تصویری را می‌دهد که در آن نویز و سیگنال دارای قیاس پذیری بیشتری هستند و بنابراین تشخیص یکی از دیگر سخت تر است.

 

نویز تصویر
نویز تصویر

اصطلاحات: سرعت حساسیت ” ISO SPEED”

تنظیمات حساسیت “ISO setting” یا سرعت حساسیت “ISO Speed” دوربین، استانداردی است که حساسیت مطلق دوربین به نور را تعریف می‌کند. سرعت‌های حساسیت معمولا با فاکتور ۲ لیست می‌شوند، مانند حساسیت ۵۰ – ۱۰۰ و حساسیت ۲۰۰ که می‌تواند دارای یک بازه‌ی گسترده‌ی ارزش‌ها باشد. اعداد بالاتر نشان دهنده‌ی حساسیت‌های بیشتر هستند و نسبت دو عدد حساسیت، نشان دهنده‌ی رابطه ی حساسیت است، به این معنی که تصویری با حساسیت ۲۰۰ نیازمند نیمی از زمان نوردهی تصویر دیگری با حساسیت ۱۰۰ می‌باشد ( تمام تنظیمات نوردهی دیگر دوربین در هر دو عکس ثابت است ). سرعت حساسیت “ISO speed” معادل مفهوم مشابهی در فیلم‌های عکاسی است که با دو کلمه ی اختصاری “ISO & ASA speed” بیان می‌شود و برای مشخص کردن میزان حساسیت فیلم‌های مختلف به نور کاربرد داشت، اگرچه یک سیگنال در دوربین دیجیتال می‌تواند در چندین حساسیت مختلف پردازش شود. این فرآیند با تقویت سیگنال تصویر در دوربین صورت می‌گیرد، اگرچه این فرآیند همچنین باعث تقویت نویز نیز می‌شود و بنابراین سرعت‌های حساسیت بالاتر به تدریج نویز بیشتری ارائه خواهند کرد.

انواع نویز

دوربین‌های دیجیتال، نوع رایج نویز را ارائه می‌دهند: نویز نامنظم، نویز الگوی ثابت و نویز نواری. سه نمونه‌ی کیفی زیر نشان دهنده‌ی شکل ظاهری و الگوی قرارگیری هر کدام از این انواع نویز در برابر یک پس زمینه‌ی صاف است.

 

نویز تصویر
نویز تصویر

نویز نامنظم “Random noise” با شدت و رنگ نوسانات بالا و پایین شدت تصویر اصلی شناخته می‌شود. همیشه چندین الگو برای نویز نامنظم در هر مدت زمان نوردهی ای وجود خواهد داشت و این نویز بیشتر تاثیر را از سرعت حساسیت می‌گیرد. الگوی نویز نامنظم مرتبا تغییر می‌کند، حتی اگر در عکس‌های مختلف تنظیمات نوردهی یکسان باشد.

نویز الگوی ثابت “Fixed pattern noise” شامل چیزی که پیکسل های گرم “hot pixels” نامیده می‌شود، است. که تعریف آنها شامل وقتی است که شدت رنگی پیکسلی، مقدار زیادی از نوسانات نویز نامنظم محیط پیشی می‌گیرد. نویز الگوی ثابت معمولا در نوردهی های بسیار بلند مدت ظاهر شده و با درجه حرارت رنگ بالا تشدید می‌شود. نویز الگوی ثابت به نوعی منحصر به فرد است چرا که تقریبا همیشه در یک الگوی مشخص از پیکسل‌های گرم توزیع می شود؛ البته اگر تحت یک شرایط ثابت عکاسی شود ( درجه حرارت رنگ، مدت زمان نوردهی، سرعت حساسیت ).

نویز نواری “Banding noise” به مقدار زیادی بسته به نوع عملکرد دوربین دارد، در واقع این نوع نویز زمانی که دوربین اطلاعات را از روی حسگر نوری دیجیتال می‌خواند، توسط دوربین در تصویر ایجاد می‌شود. نویز نواری در حساسیت های بالا و سایه‌ها بیشتر قابل مشاهده است و یا وقتی که تصویر بیش از حد توسط دوربین روشن شود. نویز نواری همچنین می‌تواند برای میزان مشخصی از تراز سفیدی “white balances” بسته به نوع دوربین؛ افزایش یابد.

اگرچه نویز الگوی ثابت بیشتر از انواع دیگر ناخوشایند به نظر می‌رسد اما از آنجایی که دارای یک الگوی تکراری است راحت ترین نوع برای برداشتن است. سیستم الکترونیکی داخلی دوربین تنها باید الگوی نویز را بداند تا میزان نویز را برای نمایان کردن تصویر اصلی کاهش دهد. در آخرین نسل دوربین های دیجیتال، نویز الگوی ثابت مشکل بسیار کوچکتری نسبت به نویز ناظم است؛ هرچند کم ترین میزان آن می‌تواند گیج کنندگی بیشتری نسبت به نویز نامنظم داشته باشد.

کمترین میزان ناخوشایند نویز نامنظم معمولا سختی بسیار بیشتری برای حذف کردن آن از تصویر؛ بدون کاهش کیفیت، دارد. کامپیوترها به سختی می‌توانند درکی از نویز نامنظم در مقابل بافت خوب تصویر داشته باشند، مثلا در مقابل بافت‌هایی مثل خاک و شاخ و برگ درختان. بنابراین اگر شما در چنین تصاویری نویز نامنظم را حذف کنید، معمولا بخش‌هایی از بافت خوب تصویر را نیز حذف می‌کنید. برنامه‌هایی مانند Neat image و Noise Ninja می‌توانند به صورت موثر در کاهش نویز به همراه حفظ اطلاعات تصویر اصلی کارآمد باشند.

بخش دوم

شناختن مشخصات نویزِ دوربین های دیجیتال، می‌تواند کمک شگفت انگیزی در جلوگیری از کاهش کیفیت تصویر باشد. بخش پیش رو در مورد چگونگی متفاوت بودن نویز تصویر بر اساس رنگ یا “chroma”، درخشنگی”Luminance”، شدت “intensity” و اندازه یا فرکانس فضایی “Spatial frequency” ؛ بحث خواهد کرد. نمونه‌های تفاوت نویز بر پایه ی حساسیت و کانال های رنگی است که در ادامه برای سه مدل مختلف دوربین نشان داده خواهد شد.

مشخصات

تغییرات تصویری که به واسطه‌ی نویز ایجاد می‌شوند، تنها بسته به تنظیمات نوردهی و مدل دوربین نیستند، بلکه می‌توانند در داخل یک تصویر هم منحصر به مفرد باشند. برای دوربین های دیجیتال، مناطق تاریک‌تر شامل نویز بیشتری از مناطق روشن‌تر می‌شوند، در فیلم ها برعکس این قانون درست است ( البته برای معادل آنالوگ نویز که گرین است ).

 

نویز تصویر
نویز تصویر

به تصویر بالا دقت کنید و ببینید که چگونه با روشن تر شدن سوژه نویز کمتر می‌شود. مناطق روشن تر دارای سیگنال قویتری، ناشی از نور بیشتر هستند که روی هم رفته نتیجه‌ی آن نسبت سیگنال به نویز “SNR” بالاتر است. در نتیجه تصاویری که دارای نوردهی کمتر از حد معمول “Underexposed” باشند، نویز قابل مشاهده‌ی بیشتری خواهند داشت.

حتی اگر بعد از عمل عکس گرفتن آنها را به میزان طبیعی تری روشن کنید. از طرف دیگر تصاویر با نوردهی بیشتر از حد معمول “Overexposed” دارای نویز کمتری خواهند بود و درواقع می‌توانند خوشایند باشند، البته با فرض اینکه بعدا شما می‌توانید آنها را تاریک‌تر کنید و البته تا جایی که هیچ منطقه ای از تصویر به سفیدی خالص نرسد و در تمام مناطق تصویر بافت وجود داشته باشد.

نویز همچنین از ترکیب دو عامل تشکیل می‌شود: نوسانات در رنگ و درخشنگی. رنگِ نویز {Chroma} معمولا در ظاهر، بیشتر غیر معمول بوده و اگر تحت کنترل نگه داشته نشود، می‌تواند باعث ارائه‌ی تصویری غیر قابل استفاده گردد. مثال زیر چیزی را که در اصل قسمتی از سوژه‌ای به رنگ خاکستری خنثی است را به همراه جلوه‌ی جداگانه‌ی نویز یعنی رنگ و درخشنگی نشان می‌دهد.

 

نویز تصویر
نویز تصویر

مقدار نسبی رنگ و درخشنگی نویز می‌تواند به طور قابل ملاحظه‌ای در مدل‌های مختلف دوربین متفاوت باشد. برنامه‌های کاهش نویز می‌توانند به صورت انتخابی هر کدام از دو عامل رنگ و درخشندگی نویز را کاهش دهند، هرچند حذف کامل درخشندگی نویز می‌تواند حالتی غیر طبیعی یا به زبان عامی تر { عروسکی }؛ را در عکس حاصل کند.

نوسانات نویز می‌تواند هم در مقدار “magnitude” و هم در فرکانس فضایی بسیار متفاوت باشد، اگر چه فرکانس فضایی معمولا یک مشخصه‌ی نادیده گرفته شده است. اصطلاح ریز دانه “Fine-grained” که غالبا در کار با فیلم – برای توصیف نویزی که با نواسانات دارای فاصله کوتاه رخ می‌داد – استفاده می‌شد؛ که درست مانند داشتن فرکانس فضایی بالا {در دیجیتال} است. مثال زیر نشان می‌دهد که چگونه فرکانس فضایی {Spatial Frequency} شکل ظاهری نویز را تغییر دهد.

 

نویز تصویر
نویز تصویر

گر در دو نمونه بالا با اتکا به مقدار {Magnitude} ، نوسانات مقایشه می‌شدند ( همانطور که در بازبینی‌های بیشتر دوربین‌ها وجود دارد )، اینگونه به نظر می‌آمد که نمونه سمت راست دارای نویز بیشتری است. پس از بررسی بصری، در واقع نمونه‌ی سمت راست دارای نویز کمتری از نمونه سمت چپ است. این مسئله کاملا ناشی از فرکانس فضایی هر یک از نمونه‌ها است.

حتی اگر فرکانس فضایی نویز مورد تاکید باشد، باز هم مقدار نویز دارای تاثیر برجسته‌ای خواهد بود. مثال بعدی نمونه‌هایی را نشان می‌دهد که دارای استاندارد انحراف متفاوتی هستند، اما دارای همان فرکانس فضایی قبلی.

 

نویز تصویر
نویز تصویر

دقت کنید که چگونه نمونه‌ی سمت چپ ظاهری بسیار نرم‌تر از نمونه‌ی سمت راست دارد. مقدار نویز بالا می‌تواند بافت‌های ریز مانند پارچه یا شاخ و برگ درختان را مخدوش کند و همچنین حذف آن از تصویر بدون نرم کردن زیاد تصویر می‌تواند بسیار دشوار باشد. مقدار نویز، معمولا بر اساس یک اندازه گیری آماری که انحراف استاندارد نام دارد، توصیف می‌شود که مشخص کننده‌ی کمیت مقدار تغییرات معمول یک پیکسل نسبت به ارزش واقعی ( ارزش نوری که از دنیای واقعی به حسگر دوربین می‌رسد ) آن است. همچنین می‌توان این مفهوم را با نگاه کردن به نمودار ستونی “Histogram” هر نمونه درک کرد.

 

نویز تصویر
نویز تصویر

اگر هر کدام از دو نمونه‌ی بالا هیچ نویزی نداشتند، تمام پیکسل‌ها در خط میانی سیگنال قرار می‌گرفتند. با افزایش سطح نویز، عرض نمودار نیز افزایش می‌یابد. این نمودار برای فضای RGB ارائه شده است، اگرچه همین سنجش می‌تواند برای فضاهای درخشندگی “Luminosity” و رنگ‌های مجزا “individual color” ساخته شود.

مثال

این مثال می‌تواند برای تجربه با دوربین خودتان مفید باشد، چرا که شما می‌توانید بفهمید چه مقدار نویز در تنظیمات نوری داده شده تولید می‌شود. مثال زیر نشان دهنده‌ی مشخصات نویز برای سه دوربین متفاوت در مقابل یک سوژه‌ی خاکستری و صاف است.

 

کانال رنگی RGB

 

کانال رنگی آبی
کانال رنگی آبی

 

کانال رنگی سبز
کانال رنگی سبز

 

کانال رنگی قرمز
کانال رنگی قرمز

ه اختلافاتی که ناشی از مدل دوربین، کانال رنگی “color channel” و سرعت حساسیت است؛ دقت کنید. با نگاه کردن به جدول‌های مربوط به هر رنگ مجزا می‌توانید ببینید که هر کدام از آنها دارای میزان کاملا متفاوتی از نویز هستند. کانال‌های رنگی آبی و سبز معمولا به ترتیب دارای بیشترین و کمترین میزان نویز در دوربین های دیجیتال با آرایه های بایر”Bayer arrays” هستند. همچنین دقت کنید به نمونه‌های رنگی (منظور در سه رنگ قرمز، سبز و آبی به صورت مجزا می‌باشد) دوربین اپسون”Epson” که نویز بسیار ناخوشایند تری از نویزی که تنها با نوسانات روشنایی ایجاد شده است، دارد.

همچنین شما می توانید ببینید که چگونه همیشه با افزایش سرعت حساسیت، میزان نویز تولید شده در دوربین بالاتر می‌رود، هرچند این تغییرات نویز در بین دوربین های مختلف دارای پیچیدگی‌هایی است. با داشتن مصاحت پیکسل بزرگتر در سنسورهای دوربین، توانایی جمع آوری نور بیشتر شده و در نتیجه قدرت تولید سیگنال قوی‌تری ایجاد خواهد شد.

به عنوان یک نتیجه، دوربین هایی با پیکسلی که از نظر جسمی بزرگتر است به طور کلی نویز، کمتری در تصویرشان به نظر می‌آید، چرا که سیگنال آنها دارای نسبت بزرگتری به نویز است. به این دلیل است که دوربین‌هایی با مگاپیکسل بیشتر که در یک دسته از دوربین با یک اندازه ی سنسور قرار دارند لزوماً تصویری با ظاهر بهتر تولید نمی‌کنند. از طرف دیگر یک سیگنال قوی، لزوماً یک تصویر دارای نویز کمتر را ایجاد نمی‌کند، چرا که این نسبت سیگنال به نویز است که مشخص می‌کند چه میزان نویز در یک تصویر ایجاد شود.

همانگونه که در مثال بالا دوربین “Epson PhotoPC 800” دارای مصاحت پیکسل بسیار بیشتری از دوربین “Canon powerShot A80” بود، اما در نگاه بصری دارای نویز بیشتری است، به خصوص در حساسیت ۴۰۰٫ این مسئله به این دلیل است که دوربین بسیار قدیمی‌تر اپسون دارای سطح نویز داخلی بسیار بالاتری است؛ که به دلیل سیستم الکترونیکی کمتر پیچیده‌ی آن ایجاد می‌شود.

 

 

هنوز دیدگاهی ثبت نشده. شما اولین نفری باشید که درباره این مطلب نظر می دهد.
ارسال یک دیدگاه

ارسال یک دیدگاه

چهار × 5 =